Технологии искусственного интеллекта двойного назначения | Dual-use AI

Очень простенькое видео к недавней новости (для тех кому лень читать): Интеллектуальный израильский автономный капсульный комплекс для перехвата беспилотных аппаратов на конечном рубеже противовоздушной обороны

🛡 Интеллектуальный израильский капсульный комплекс для перехвата дронов на дистанции до ста метров

🏢 Компания Erez Defense Solutions (Израиль) завершила начальный этап испытаний малогабаритного защитного комплекса капсульного базирования для отражения атак беспилотников на дистанциях до ста метров от обороняемого объекта.

➖➖➖➖➖

⚙️ Конструкция

Цилиндрический пусковой контейнер трубчатого типа с компактным перехватчиком в защитной оболочке. В ходе полигонных тестов проверялись механическая надёжность узлов выброса, баллистическая траектория капсулы и корректность выполнения программных алгоритмов.

➖➖➖➖➖

🎯 Задача

Создание рубежа предельной защиты стационарных сооружений и подвижной техники от малых ударных дронов в ситуациях, когда радиоэлектронное подавление каналов связи оказывается недейственным из-за применения противником волоконно-оптических линий или автономного навигационного сопровождения по оптическим ориентирам.

➖➖➖➖➖

⚡ Особенность

На дистанции ста метров время сближения цели с объектом составляет менее одной секунды. Это исключает участие человека в контуре наведения и требует предельной автономии бортовой электроники.

➖➖➖➖➖

🧠 Технологии искусственного интеллекта

🔹 Свёрточные нейронные сети (Convolutional Neural Network, CNN) выполняют пространственную селекцию силуэта дрона на фоне облачности, растительности и построек непосредственно на бортовом тензорном микропроцессоре.

🔹 Алгоритмы фильтрации состояния и рекуррентные нейронные сети (Recurrent Neural Network, RNN) оценивают точку упреждения при резких эволюциях цели. Вероятно применение фильтра Калмана и сетей с долгой краткосрочной памятью (Long Short-Term Memory, LSTM).

🔹 Машинное обучение с подкреплением (Reinforcement Learning, RL) сопоставляет скорость сближения, угловые координаты объекта и внешние возмущения воздушной среды для выбора оптимального момента срабатывания.

➖➖➖➖➖

💥 Способ поражения

Разработчиком не раскрывается. По оценкам специалистов, возможны кинетическое поражение осколочным полем, выброс механических сетевых ловушек либо постановка локального радиочастотного барьера высокой мощности.

➖➖➖➖➖

📌 Создание подобных устройств свидетельствует о формировании нового класса автономных систем ближнего рубежа, где алгоритмы искусственного интеллекта обеспечивают мгновенную реакцию без участия оператора.

🔊 Норвежская компания Kongsberg создала гидроакустическую систему Aegir SSA с виртуальным оператором на искусственном интеллекта

Норвежская группа Kongsberg представила на выставке Offshore Northern Seas 2026 семейство гидролокационных комплексов подводного ситуационного осведомления Aegir Subsea Situational Awareness (SSA).

🎯 Назначение

Постоянный мониторинг периметра портов, шельфовых платформ, энергетических магистралей и прибрежных коммуникаций.

🧠 Ключевая особенность

Программно-аппаратный виртуальный гидроакустик на основе искусственного интеллекта. Он берёт на себя функции оператора, настраивается под конкретную задачу и допускает дообучение на опыте специалистов заказчика.

⚙️ Принцип работы

• Многокаскадная обработка эхосигналов.
• Распознавание подводных целей глубокими нейронными сетями, включая свёрточные сети (CNN) для классификации спектрограмм.
• Сопровождение траекторий фильтрами оценивания состояния, вероятнее всего, модификациями фильтра Калмана.
• Адаптивное вычитание фона для отделения объектов от морского дна.

📦 Носители

Безэкипажные катера, гидрографические буи, стационарные подводные посты, крупнотоннажные суда.

🌊 Испытания

Осло-фьорд, морской буй SEAWATCH, испытательная платформа Oslofjord Testbed.

💡 Значение

Создание семейства Aegir SSA показывает переход подводного наблюдения от отдельных гидроакустических станций к распределённым интеллектуальным системам. Виртуальный оператор самостоятельно обнаруживает, классифицирует и сопровождает подводные цели, а участие человека сокращается до принятия критических решений.

#Kongsberg #AegirSSA #ИскусственныйИнтеллект #Гидроакустика #ВМС #Технологии

Ударные беспилотные летательные аппараты самолётного типа с автономным наведением на базе искусственного интеллекта в системе дальних ударов Вооружённых сил Украины
🤖 ИИ забирает управление у оператора: как изменились удары дронов в 2026 году

С начала 2026 года логика дальних ударов изменилась принципиально. Право принимать решение переходит от оператора на земле к бортовому вычислителю. Пять платформ с автономным наведением образовали эшелонированную систему, где ИИ берёт управление на последнем участке — и традиционные средства РЭБ теряют цель воздействия.

📌 Ключевые платформы:

🇺🇸 Hornet (Swift Beat, США) — $5–11 тыс., автономность на конечном участке, ИИ сопоставляет картинку с базой целей. Последние 100+ км — без связи. В российской среде известен как «Марсианин-2».

🇩🇪 HX-2 Karma (Helsing, Германия) — визуальная одометрия: работает при полном подавлении GPS, сопоставляя камеру с картой местности. План поставки Украине — 4000 аппаратов.

🇺🇦 RAM-2X (Ukrspecsystems) — дальность 180 км (до 230), поражено 350+ единиц техники, включая С-300В, «Осу» и «Стрелу-10». Работает в связке с SHARK-M.

🇩🇪 Virtus (Stark Defence) — один оператор управляет группой дронов. Контракт Бундесвера — €2,9 млрд. Применяется в Украине.

🇺🇦 Ан-196 «Лютый» — многоразовая платформа, несёт 4 крылатые ракеты, дальность до 2000 км.

В чём суть?

РЭБ исходит из того, что разрыв канала связи срывает задачу. Когда управление на конечном участке полностью берёт бортовой вычислитель — это допущение перестаёт работать.

📉 Но преимущество не одностороннее. Применение Hornet осенью 2026 упало в 10 раз — российская ПВО и РЭБ адаптируются. Поставки HX-2 Karma задерживались.

👉 Вывод: технология даёт эффект только в связке с масштабом производства, подготовкой операторов и скоростью адаптации. Это война не дронов — а промышленностей и алгоритмов.

@Dual_use_AI

Видео к недавнему посту выше (извиняюсь за не качественный перевод с американского) Военно-морская аспирантура США в Монтерее 22 июля 2026 года ввела в эксплуатацию вычислительный комплекс NVIDIA DGX GB300 — первый суперкомпьютер такого класса в распоряжении вооружённых сил США.

🚀 Первый военный суперкомпьютер NVIDIA для аспирантуры ВМС США

Военно-морская аспирантура ВМС США в Монтерее ввела в эксплуатацию NVIDIA DGX GB300 — первый суперкомпьютер такого класса в распоряжении вооружённых сил США.

⚙️ Мощь в цифрах

🔹 72 ускорителя NVIDIA Blackwell Ultra
🔹 36 процессоров NVIDIA Grace
🔹 2592 ядра Arm Neoverse V2
🔹 37 ТБ быстродействующей памяти
🔹 До 1440 петафлопс в FP4
🔹 Экзафлопсный класс

🔗 Связь и охлаждение

▪️ Пропускная способность между ускорителями — 130 ТБ/с
▪️ Коммутаторы Quantum-X800 и адаптеры ConnectX-8
▪️ Жидкостное охлаждение: до 135 кВт на стойку
▪️ Работает в пределах существующей инфраструктуры базы

🧠 Зачем это нужно

Раньше обучение крупных нейросетей шло в облаках сторонних поставщиков. Теперь — на своей территории, без передачи закрытых данных наружу.

Направления:
🌦 Гидрометеорология
🌊 Описание морской среды
🛡 Кибербезопасность
🚨 Чрезвычайные ситуации
💬 Большие языковые модели

🇺🇸 Курс на «суверенный ИИ»

Пентагон запросил 4,2 млрд долларов на суверенную инфраструктуру ИИ на 2027 финансовый год.

Смысл: военные модели должны проходить полный цикл — от обучения до вывода — только на контролируемых военным ведомством системах.

👥 Кто пользуется

🔸 1500+ обучающихся
🔸 ~600 преподавателей
🔸 Одобренные исследовательские партнёры

Слушатели NPS — действующие офицеры. После обучения они возвращаются в ВМС, морскую пехоту и объединённые командования.

🎯 Три задачи комплекса

1️⃣ Вычислительный суверенитет
2️⃣ Подготовка кадров
3️⃣ Ускорение исследовательского цикла

📌 Главное

Критерий эффективности — не часы вычислений, а скорость превращения данных в оперативно значимые решения.

#ИИ #NVIDIA #Суперкомпьютер #ВМС #США #Оборона #Технологии #Безопасность #Инновации

Видео про математиков, которые взбунтовались)

Академик РАН предупредил что искусственный интеллект может лишить нас привычки думать самостоятельно

Учёные редко говорят прямо. Но здесь прозвучало именно предупреждение, и оно касается каждого, кто хоть раз спрашивал у умной программы (чат ЖПТ, Дипсик и т. д.), как ему поступить.

23 сентября на XI Всероссийском молодежном научном форуме «Наука будущего наука молодых», проходившем в Нижегородском государственном университете имени Н. И. Лобачевского, академик Российской академии наук научный руководитель Национального центра физики и математики Александр Сергеев заявил, что развитие подобных систем создаёт угрозу для способности людей самостоятельно мыслить и планировать собственную жизнь.
Суть его речи в том, что умные программы становятся точнее с каждым днём. Причина проста: чем больше сведений о вас они получают, тем лучше угадывают ваши поступки, вкусы и даже настроение. Поэтому совет от искусственного интеллекта (ИИ) звучит всё убедительнее.

И тут вступает психология. Зачем напрягаться и что-то придумывать, если можно просто спросить? Готовый ответ приятен, он экономит силы. Постепенно человек привыкает к этому и перестаёт строить собственную жизнь.
Сергеев сравнил такое положение с вредной привычкой. Он описал день, прожитый без единого самостоятельного решения, но с полным ощущением счастья. Именно это он назвал главной угрозой, которую несёт развитие цифровых технологий.
Опасен не сбой техники и не злая воля разработчиков. Опасен сам характер нашего общения с умными машинами. Они отлично справляются с рутиной: поиском, расчётами, обработкой сведений. Но цели в жизни они за нас не поставят.
Мозг и привычка
Наш мозг устроен бережливо. Любое повторяющееся усилие он превращает в привычку, в том числе привычку что решать за него какую то задачу (жизненную или учебную) будет кто-то другой и начинает лениться. Так он сохраняет силы. Только за эту бережливость приходится платить: без постоянной умственной работы способность рассуждать слабеет.
Короче, либо вы сами думаете, своей головой, либо тупеете и возможность мыслить самостоятельно у вас со временем деградирует…
Пользуйтесь умными программами для поиска и счёта. Но решайте сами. Инструмент-ИИ должен экономить ваше время, а не отменять вопрос «зачем». Не позволяйте себе лениться постоянно или вы и ваши дети будете рабами!

Кстати! Недавно учёные-математики, лауреаты Филдсовской премии, также выражали своё недовольство по поводу искусственного интеллекта. Можете прочитать об этом здесь:

Математики против искусственного интеллекта 25 лауреатов Филдсовской премии написали открытое письмо
11 сентября 2026 года Теренс Тао (австралийско-американский математик, лауреат Филдсовской премии, автор более 300 научных работ) опубликовал в личном блоге текст «A Severe Misalignment of AI in Mathematics» («Серьёзное расхождение целей искусственного интеллекта и математики»). Под ним подписались 25 лауреатов Филдсовской премии — высшей награды в математике.
В чём суть претензии?
Компании, разрабатывающие ИИ, берут математические задачи, похожие на те, что люди уже решали раньше. ИИ во время обучения «видел» множество таких задач и их решений. Поэтому, когда ему дают новую задачу, он не решает её с нуля, а подбирает похожий шаблон из того, что запомнил, и быстро выдаёт ответ.
Компании показывают это как доказательство ума: «Смотрите, наш ИИ решил задачу, которую решали великие математики! Значит, он сравнялся с ними!»
Но математики возражают: ИИ не решает задачу так, как это делает математик. Он не понимает логику, не выстраивает доказательство, не создаёт новый метод. Он просто узнаёт знакомый образец и воспроизводит похожий ответ. Это как ученик, который не понял тему, но натренировался на сотнях похожих примеров и теперь угадывает, что нужно написать.
Проще говоря:
Математик создаёт решение, которого раньше не было.
ИИ подбирает похожее решение из того, что уже видел.
Компании делают второе, но говорят, что сделали первое. В этом и претензия.
Почему математикам этого мало?
Проблема в том, что математикам нужен не ответ, а метод. Решение задачи для учёного — только начало работы: оно порождает новые связи между областями, новые подходы, понимание. ИИ же выдаёт результат и на этом останавливается.
Теренс Тао формулирует это так: инструменты искусственного интеллекта «очень непрозрачны в отношении процесса». Результат формально есть, знания за ним нет.
Три главные проблемы
1. Разорванная цепочка знаний. Наука держится на принципах: повторяемость, проверяемость, прозрачность процесса, воспроизводимость. ИИ-результат без процесса ломает всё это. У учёных физически нет времени проверять лавину таких результатов.
2. Авторство. Если задачу решил искусственный интеллект, кто автор? Модель, компания, человек с промптом, математики из обучающих данных? Ответа нет, а вся научная система цитирования и приоритета открытий это подразумевает.
3. Разные цели. Компаниям, разрабатывающим искусственный интеллект, нужен красивый повод для отчёта и громкий заголовок. Математикам нужно глубокое понимание. Это не заговор, просто разные интересы.
Кому адресована критика?
Критика адресована конкретно OpenAI (американская компания, разработчик ChatGPT) и крупным лабораториям, разрабатывающим искусственный интеллект, а не искусственному интеллекту вообще. Авторы письма не отрицают пользы технологии ИИ, но настаивают: правила должны устанавливать учёные, а не корпорации.